MétaCan
Menu
Retour à la cohorte
Enregistrement W6887804593 · doi:10.17605/osf.io/qebj6

Rights Framing and Perspectives on Immigration Canada

2021· other· en· W6887804593 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpen Science Framework · 2021
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFraming (construction)Human rightsImmigrationVignetteGovernment (linguistics)Public opinionPublic policyAffirmative action

Résumé

récupéré en direct d'OpenAlex

This study explores whether appeals to human rights or Canadian values are effective in generating support for the extension of social protections to racialized and/or non-citizen residents in Canada. The project builds on previous research in the US (Voss et al. 2020) that examined whether framing hardships such as food insecurity and lack of access to health care as violations of civil rights, human rights, or American values affected public attitudes regarding rights or value violations or support for government action to address such hardships. The California-based experiment found that rights-based language had little effect on support for government action and that registered voters made clear distinctions regarding noncitizens’ deservingness for government assistance on the basis of their legal status. In this experiment, we similarly test whether human rights or national (“Canadian”) values frames have an impact on support for protections in Canada, and whether these differ on the basis of the individual’s racial or legal status in Canada. Principally, we analyze Canadians’ response to two rights-violation scenarios – food insecurity and police targeting – to assess if rights-based or value-based appeals affect Canadians’ support for co-citizens and noncitizens. Further, we manipulate the race and legal status of the individual profiled in the vignette to test whether such factors impact participants’ reactions to the frames. We anticipate that the frames will exert some effects on public attitudes regarding rights or values violations and support for government action, but that these effects will differ on the basis of race and legal status.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,075
Score d'incertitude au seuil0,544

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0170,010
Communication savante0,0070,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0110,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,018
Tête enseignante GPT0,303
Écart entre enseignants0,285 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Science FrameworkTravaux en français237 207